计算机辅助设计与图形学学报

作者：黄子臻, 王雷, 张玉坤, 李彬

关键词：医学图像分割, vision Transformer, 半监督学习, 对抗一致性训练, 动态卷积

为了克服传统的 U-Net 网络在医学图像分割中存在的无法有效地提取上下文信息、固定的感受野受限制等问题, 提出一种半监督对抗自集成网络, 其由分割网络和判别网络 2 部分组成. 前者采用卷积神经网络和 VisionTransformer 相结合的半监督学习策略; 后者采用对抗一致性训练策略, 利用 2 个基于一致性学习的判别器获取标记和未标记数据之间的先验关系; 引入基于注意力的动态卷积, 能够根据输入样本的结构信息自适应地调整网络的权重, 增强特征表示能力并降低过拟合风险. 在 ACDC, LA 和 Pancreas 这 3 个经典数据集上比较 5 种网络的实验结果表明, 所提网络在 Dice 系数、 Jaccard 系数、Hausdorff 距离和平均表面距离分别提高了 3.4%~3.9%, 2.9%~4.0%, 43.5%~53.4%, 65.1%~68.7%, 尤其是在使用较少标记数据的情况下, 实现了更好的分割结果.

来源：2025年第8期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第8期